AI 深度學(xué)習(xí)在典型應(yīng)用領(lǐng)域的國內(nèi)研究最新進展

李恒 王淦

(1.陜西科技大學(xué)電子信息與人工智能學(xué)院,陜西西安 710021;2.西安理工大學(xué)電氣工程學(xué)院,陜西西安 710054)

以深度學(xué)習(xí)為代表的AI技術(shù)逐漸推動與社會民生息息相關(guān)的領(lǐng)域發(fā)生深層次變革,而教育、醫(yī)療、電力是我國社會民生發(fā)展的重要領(lǐng)域,研究深度學(xué)習(xí)在這三大領(lǐng)域的典型應(yīng)用具有重要意義和實踐價值。本文對深度學(xué)習(xí)在上述典型應(yīng)用領(lǐng)域的國內(nèi)研究最新進展、熱點及趨勢進行梳理分析。

1 AI深度學(xué)習(xí)簡介

許多研究表明,為了能夠?qū)W習(xí)表示高階抽象概念的復(fù)雜函數(shù),解決目標(biāo)識別、語音感知和語言理解等人工智能相關(guān)的任務(wù),需要引入深度學(xué)習(xí)(Deep Learning);深度學(xué)習(xí)的概念起源于人工神經(jīng)網(wǎng)絡(luò)的研究[1]。深度學(xué)習(xí)是實現(xiàn)AI機器學(xué)習(xí)的一種重要技術(shù)。目前,以深度學(xué)習(xí)為基礎(chǔ)的AI技術(shù)被逐漸應(yīng)用于智能化的醫(yī)療、教育、電力、養(yǎng)老、交通、物流等領(lǐng)域,在識別、預(yù)測、分類等方面起到重要作用。

2 研究目標(biāo)與數(shù)據(jù)來源

本文旨在全面了解AI視角下深度學(xué)習(xí)技術(shù)在教育、醫(yī)學(xué)、電力等典型應(yīng)用領(lǐng)域的國內(nèi)最新研究進展、熱點及趨勢,數(shù)據(jù)來源于中國知網(wǎng)(www.cnki.net)數(shù)據(jù)庫中的5個核心數(shù)據(jù)庫(SCI、EI、CSSCI、北大核心、CSCD),本研究以“人工智能”“深度學(xué)習(xí)”“應(yīng)用領(lǐng)域”(應(yīng)用領(lǐng)域依次分別為“教育”“醫(yī)學(xué)”“電力”)作為主題詞,研究結(jié)果限定于時間范圍為2020年至2021年這段最新時期內(nèi)發(fā)表的相關(guān)論文,經(jīng)專業(yè)檢索、人工篩選甄別,得出15篇主要有效文獻。

3 AI深度學(xué)習(xí)在教育應(yīng)用領(lǐng)域的國內(nèi)研究最新進展

魏艷濤、秦道影等(2019)采集并預(yù)處理了七種課堂行為圖像,將VGG16網(wǎng)絡(luò)模型遷移至識別任務(wù)中,并將識別精度與另外三種深度網(wǎng)絡(luò)模型進行對比,得到VGG16 網(wǎng)絡(luò)模型識別精度最高的實驗結(jié)果,結(jié)論是VGG16 網(wǎng)絡(luò)模型是適合學(xué)生課堂行為識別的深度學(xué)習(xí)模型[2]。林崇華、張慧川(2019)提出基于深度學(xué)習(xí)算法的評價方法,以在評價精度和建模時間上與BP 神經(jīng)網(wǎng)絡(luò)的比較為例,驗證了基于深度學(xué)習(xí)算法的高校教學(xué)模式評價方法相較于其它評價方法的優(yōu)越性,得出此方法在高校教學(xué)模式評價中具有較高的應(yīng)用價值的結(jié)論[3]。曹曉明、張永和等(2019)設(shè)計了多模態(tài)融合的深度學(xué)習(xí)模型設(shè)計,構(gòu)建了多模態(tài)融合框架、分析總預(yù)測模型與各子預(yù)測模型之間的關(guān)系、開展模型訓(xùn)練和選擇;實驗表明多模態(tài)融合的深度學(xué)習(xí)模型預(yù)測學(xué)習(xí)參與度的準(zhǔn)確率較高,結(jié)論是相對于基于單模態(tài)的學(xué)習(xí)參與度識別方法,基于多模態(tài)的學(xué)習(xí)參與度識別方法更優(yōu)[4]。趙剛、朱文娟等(2020)提出了利用演繹法構(gòu)建多維度特征融合的教學(xué)行為智能分析模式,該模式將基于深度學(xué)習(xí)的視頻分割與識別技術(shù)與教育特性融合,結(jié)合教學(xué)過程特性、行為特征,教學(xué)場景中的視覺、聽覺特征等,利用多種人工智能技術(shù)分析教學(xué)場景中的教學(xué)含義,為教學(xué)行為分析提供了新的技術(shù)手段和方法[5]。王萍、王陳欣等(2020)分析了教育人工智能的研究現(xiàn)狀及其應(yīng)用系統(tǒng)的功能模塊與問題,提出在人工智能教育系統(tǒng)設(shè)計過程中引入自動化機器學(xué)習(xí)和深度學(xué)習(xí),設(shè)計了注重教育需求的自動化教育應(yīng)用模型,進行了基于自動化的教育應(yīng)用探索,提高了教育系統(tǒng)開發(fā)的效率,簡化了教育系統(tǒng)的使用流程并將其圖形化[6]。黃甫全、伍曉琪等(2020)提出采納超學(xué)科哲學(xué)范式,采取整體主義行動研究方法論,采用融通性混合方法,結(jié)合邏輯分析、技術(shù)建模、行動研究、量化方法和質(zhì)性深描技術(shù)等方法技術(shù),創(chuàng)新雙師課堂深度學(xué)習(xí)等概念,促進雙師課堂課程開發(fā)與深度學(xué)習(xí)等理論與模型的發(fā)展[7]。

圖1 AI 深度學(xué)習(xí)在典型應(yīng)用領(lǐng)域的國內(nèi)最新研究成果Fig.1 The latest domestic research results of AI deep learning in typical application fields

4 AI深度學(xué)習(xí)在醫(yī)學(xué)應(yīng)用領(lǐng)域的國內(nèi)研究最新進展

王繼元、李真林等(2020)開發(fā)出基于深度學(xué)習(xí)技術(shù)的胸片質(zhì)控系統(tǒng)。該系統(tǒng)引入圖像分割系統(tǒng)和圖像分類模型,并與傳統(tǒng)圖像處理算法結(jié)合,使用醫(yī)學(xué)影像數(shù)據(jù)進行有效訓(xùn)練。經(jīng)實際使用驗證,該新型質(zhì)控系統(tǒng)相較于傳統(tǒng)算法更加高效,準(zhǔn)確[8]。蔡菲菲、馬立新等(2019)提出建立基于深度學(xué)習(xí)的智能化中醫(yī)臨床決策體系,引入多標(biāo)記學(xué)習(xí)來構(gòu)建中醫(yī)證候診斷模型以應(yīng)對患者癥狀體征和證型間復(fù)雜的非線性對應(yīng)關(guān)系,經(jīng)驗證該體系比只運用表面結(jié)構(gòu)算法的方法有更高的準(zhǔn)確性,能夠為臨床決策提供可信參考[9]。王琪垚、王健慶(2020)開展基于深度學(xué)習(xí)的新冠肺炎CT圖像識別研究,實驗環(huán)境為百度AI Studio實驗環(huán)境,使用肺部CT 數(shù)據(jù)集,結(jié)果表明在識別新冠肺炎CT圖像任務(wù)方面,GoogleNet模型優(yōu)于ResNet模型的結(jié)論,并指出加載了預(yù)訓(xùn)練參數(shù)后,能顯著提升神經(jīng)網(wǎng)絡(luò)的診斷效果[10]。魯品肅(2020)提出了基于目標(biāo)檢測的糖尿病視網(wǎng)膜病變多模型檢測方法,經(jīng)實驗證實該算法在處理目標(biāo)重要特征、判斷準(zhǔn)確性上相比傳統(tǒng)算法更有優(yōu)勢,結(jié)論是引入基于深度學(xué)習(xí)的目標(biāo)檢測算法,并配合多模型融合的綜合結(jié)構(gòu),能顯著提升在糖尿病視網(wǎng)膜病變數(shù)據(jù)集上的識別準(zhǔn)確率[11]。

5 AI深度學(xué)習(xí)在電力應(yīng)用領(lǐng)域的國內(nèi)研究最新進展

馮萬興、范鵬等(2021)提出適用于絕緣子缺陷檢測的RF+CNN 結(jié)構(gòu)的深度學(xué)習(xí)算法,根據(jù)絕緣子高清照片以及紅外圖像綜合判斷絕緣子是否存在異常,顯著提升了絕緣子缺陷識別的準(zhǔn)確度和智能化水平,降低了人工勞動強度和成本[12]。張曉華、馮長有等(2019)提出新型電網(wǎng)調(diào)控機器人的設(shè)計思路,運用了深度學(xué)習(xí)、自然語言分析、知識圖譜、數(shù)據(jù)挖掘等AI技術(shù),可用于電網(wǎng)運行監(jiān)視、風(fēng)險管控和故障處置,試驗證明該機器人系統(tǒng)可提高操作調(diào)控效率[13]。閃鑫、陸曉等(2019)研究基于深度學(xué)習(xí)技術(shù)的電網(wǎng)預(yù)測及辯識技術(shù),一方面基于歷史數(shù)據(jù)對電網(wǎng)的特性和行為進行分析,另一方面學(xué)習(xí)和模擬調(diào)控運行的知識和經(jīng)驗,以期達到識別電網(wǎng)潛在薄弱點、輔助人類制訂調(diào)整策略的目的[14]。劉云鵬、裴少通等(2019)提出基于深度學(xué)習(xí)的輸變電設(shè)備異常發(fā)熱點紅外圖片目標(biāo)檢測方法,引入改進型Faster－RCNN算法模型,使用實際監(jiān)測的設(shè)備異常發(fā)熱的紅外圖片作為訓(xùn)練集并驗證,經(jīng)試驗證明,該方法可有效排除紅外照片中的干擾,并能自動標(biāo)識出紅外異常點[15]。張若愚、吳俊勇等(2020)提出構(gòu)建基于遷移學(xué)習(xí)的電力系統(tǒng)暫態(tài)穩(wěn)定自適應(yīng)預(yù)測體系,引入了深度學(xué)習(xí)領(lǐng)域的卷積神經(jīng)網(wǎng)絡(luò)算法并根據(jù)過往數(shù)據(jù)進行訓(xùn)練,設(shè)計了四組對照實驗來篩選出效果最好的遷移學(xué)習(xí)方案,實驗表明不改變其余參數(shù)僅調(diào)整分類層參數(shù)的方案在訓(xùn)練時間和準(zhǔn)確度上具有優(yōu)勢[16]。

6 總結(jié)與展望

教育、醫(yī)學(xué)、電力是我國社會民生發(fā)展的典型領(lǐng)域,研究AI深度學(xué)習(xí)在上述領(lǐng)域的應(yīng)用具有重要意義和實踐價值,本文對國內(nèi)相關(guān)研究的最新成果進行了梳理和篩選,總結(jié)歸納后如圖1 所示。

從最新進展看,三大典型應(yīng)用領(lǐng)域的研究分別在以下方向較為集中:(1)教育應(yīng)用領(lǐng)域為教學(xué)模式評價、教學(xué)行為分析、學(xué)生學(xué)習(xí)狀態(tài)檢測、開發(fā)新的教育課堂模式等方向;(2)醫(yī)學(xué)應(yīng)用領(lǐng)域為醫(yī)療輔助診斷、量化診斷結(jié)果等方向;(3)電力應(yīng)用領(lǐng)域為缺陷識別、智能運維等方向。同時,大多數(shù)研究在模型與方法創(chuàng)新及實驗驗證方面比較活躍、成效較為顯著。基于此,本研究認(rèn)為利用深度學(xué)習(xí)、計算機視覺等AI技術(shù)進行目標(biāo)識別、行為預(yù)測、進而實現(xiàn)更深層的分析,可代表當(dāng)前深度學(xué)習(xí)在典型應(yīng)用領(lǐng)域的主要研究趨勢。